空間智慧將帶來的新世界

李飛飛的 World Labs 在前幾天推出了首款商業化產品Marble，這是一個多模態的 3D 模型，也是生成式 AI 的重大發展。大家對 AI 的想像，近兩年幾乎都被 LLM 帶著走。不管是生成文字、整理資料、重構知識、寫程式、當客服、當助理，大家一開始用的時候都會覺得不可思議，後來也逐漸習慣了這一切。然而多數人還是把 AI 視為一個語言工具，覺得它聰明，是因為它懂得「用文字回答我們」，而不是因為它真的懂這個世界。

但現在開始發生的，是比 LLM 影響更大的事情，這是多數人還沒感受到、甚至還來不及理解的變化，那就是空間智慧的出現。我的意思不是把相機、深度感測器放進產品，而是 AI 能開始真正理解三度空間的結構、物體的關係、場景的語意，能推測人與物體之間的行為，不再只活在文字或影像的平面上，而是能在一個完整立體的世界裡思考和行動。

很多人會以為空間智慧就是把特斯拉 FSD 變得更厲害，或是把 NVIDIA Omniverse 做得更精準，但實際上它們的定位與空間智慧是完全不同的。特斯拉的自動駕駛算是空間技術的代表，可是它的世界很狹窄，它只需要理解道路、車流、行人的動向。它處理得再好，也依然是在道路這個單一場域裡求生存。Omniverse 雖然強大，但它本質上是一個「模擬平台」，是給開發者訓練模型、測試機器人、建立數位分身用的，它不會自己理解一個場景的日常邏輯，也不會像人一樣對這個世界形成完整的認知。

空間智慧不是提升某一個垂直領域，而是讓 AI 具備真正的「世界理解力」。它不但能重建環境，也能推理行為，能預測動態，能在虛擬的世界生成物理一致的空間，甚至能把真實世界的結構抽取起來，用於模擬、推演，最後再回到現實場域裡幫助我們決策。這是一種新的 AI 型態，也是一種新的存在方式。

[全文:]

這樣的能力，會讓現在的硬體產品產生非常大的變化。像最近很夯的 AI 眼鏡，或是已經上市一段時間的 Apple Vision Pro，看起來都很酷，但他們都還停留在「把資訊疊在現實世界」的階段。空間智慧真正成熟後，這些產品不會只是眼鏡或頭戴裝置，而會變成能理解你身處環境的夥伴。你走進家裡，它會知道你的動線，也知道什麼地方危險。你在街上走，它能預測前方的人流變化，也能提醒你注意某個穿越馬路的人。你進入陌生的國家，它能把整個城市的空間語意完整呈現，像是你的第六感。在 Vision Pro 裡面，這些能力會更立體，因為 AI 能同時理解你所在的真實環境，並且用世界模型即時生成一個融合的空間，讓你不但看得到畫面，還能在真實與虛擬之間自由切換，彷彿你整個人站在兩個世界的交界。

空間智慧對機器人的影響會更大。現在的人形機器人很受歡迎，因為人們習慣把「會動的機器」想像成「要長得像人」。但如果 AI 真正具備空間智慧，能理解周遭環境、能推理物體的行為、能預測人的意圖，那麼任何機械都可以成為廣義的機器人。車子可以變成能理解交通意圖的行動智慧體。家電可以變成能感知周圍環境的生活代理人。工廠裡的機械手臂不需要重新撰寫程式，只要讓它看一眼就能知道工作區正在發生什麼事。醫院裡的設備可以自動分析人流動向，決定何時運作、何時讓開。這些機具不再只是工具，而是能與你共享空間、共享行為、共享理解的智能夥伴。

這整個發展的終局，其實已經超越現在 Meta 所提的「元宇宙」。元宇宙把人丟進虛擬世界。而空間智慧帶來的，是虛擬世界與真實世界的同步，是像阿凡達那樣的空間融合，用真實身體去感受虛擬空間的刺激，用虛擬世界去回饋真實世界的感官（現有的 4D 電影就是類似概念）。當 AI 能生成一個具備完整物理規則、能被你「走進去」的世界，再配上全身觸覺、力回饋、空間音場、温度模擬，你就能在真實的身體裡體驗一個被創造的宇宙。這不是遊戲，也不是 VR，而是另一種生活與工作方式的開始。

最後這項技術會把很多產業重新洗牌。遊戲和影視會從觀看變成參與，建築與室內設計會從圖面變成立體的生活模擬，醫療與長照會從檢查變成預測，交通運輸會從駕駛變成協作，工廠會從自動化變成自治化（不再等待指令，而是能理解並行動），教育會從講述變成沉浸式學習，零售會從逛街變成空間體驗。這些變化不是把現有的產品「升級」，而是讓整個社會的運作邏輯重新調整一次，像是從文字社會跨進影像社會、再從影像社會跨進空間社會。說到這裡，這很像是 2009年上映的電影《獵殺代理人》（Surrogates）所描述的場景。

或許現在大部分人還沒辦法理解空間智慧的衝擊，但就像十年前沒有人能想像 LLM 會變成今天這樣，空間智慧也會在不久的將來讓世界的運作方式產生質變。我覺得我們正在經歷一件非常大的變革，只是它還沒被大眾完全意識到而已。